hermes-plugins
42-evey/hermes-plugins加载项目详情…
本应用为开源项目，仅供学习研究，请遵守其开源协议。
微信扫码咨询客服
POMOAI — 让开源 AI 即刻运行
加载项目详情…
本应用为开源项目，仅供学习研究，请遵守其开源协议。
作者 Evey（42-evey）是一位独立开发者，其 AI agent Evey 基于 Hermes Agent 构建，全天候运行在免费模型上，每月硬件成本约 69 美元。这些插件是她多年自主 agent 实践的结晶。
想象这样一个场景：你给 AI agent 布置了一个任务——"帮我研究这个新技术，写一份报告"。传统 agent 会：接任务 → 搜索 → 输出 → 结束。但 Evey 的 agent 会这样思考：
"这个任务涉及成本吗？应该用哪个模型最划算？我的推理路径合理吗？输出有没有幻觉？如果 Claude Code 需要介入协作，消息如何传递？我有没有记住之前做过类似任务？"
这不是一个 agent，这是 一整套协作系统。而支撑这套系统的，正是本文要介绍的主角——42-evey/hermes-plugins。
Hermes Agent 是 NousResearch 开源的多 agent 框架，本身提供了基础的任务执行、工具调用、记忆管理能力。但对于追求高度自主、低成本、长时运行的用户来说，基础能力远远不够。
作者 Evey 在运营自己的 AI agent Evey 时，逐步构建了一套插件体系。她将这套插件单独发布在 GitHub 上，形成了今天我们要分析的这个项目——23 个插件，涵盖自主决策、可观测性、质量安全、通信集成四大领域，MIT 许可证，完全开源。
项目地址：github.com/42-evey/hermes-plugins
当前规模：522 stars，活跃开发，Python 语言，GitHub 创建于 2026 年 3 月，主题标签涵盖 ai-agent、autonomous-agent、hermes-agent、open-source。
这 23 个插件并非简单的功能堆砌，而是一套围绕 AI Agent 全生命周期 构建的完整能力矩阵。以下按功能域逐一拆解。
evey-autonomy 是整个插件体系的大脑。它提供三个核心工具：
autonomous_decide：基于优先级队列的决策引擎autonomous_plan：任务规划与信号检测autonomous_reflect：事后反思与路径优化值得注意的是，这个插件支持 JSON 配置文件（~/.hermes/evey-autonomy.json），可以自定义运营商名称、时区、使用的重型/廉价模型、以及项目路径。这意味着它不只服务于 Evey 本人的 stack，也适配任何标准 Hermes 实例。
evey-council（模型议会）引入了多模型辩论机制：当需要做高风险决策时，它同时向 3 个免费模型发送问题，收集答案后由"裁判模型"综合最优解。作者称之为"零成本深度思考"——不花钱，却让模型多角度审视问题。
evey-delegate-model 则解决了 Hermes 原生 delegate_task 的一个关键缺陷：它强制依赖父 agent 上下文，导致某些场景下无法正常工作。该插件绕开这一限制，直接调用 LiteLLM 的 OpenAI 兼容 API，支持 4 模型 fallback 链，每个模型 3 次重试，极大提升了任务调度的鲁棒性。
运行一个 AI agent，最怕的是不知道它在想什么、做了什么、花了多少钱。
evey-telemetry 提供结构化 JSON 日志：每一次工具调用、每一次任务委派、每一次错误，都被记录到 ~/.hermes/telemetry/events.jsonl 文件中，并提供 telemetry_query 工具供自检。
evey-cost-guard 则是成本管控的核心。它实时连接 Langfuse 获取实际成本数据（而非估算值），提供每日/每任务维度的费用追踪，并在预算消耗达到 80% 时发出警告，100% 时触发告警。
evey-mqtt 是消息中间件集成：连接 MQTT broker，订阅 bridge/events/health/mother 等 topic，实现实时事件流。它通过 sys 模块属性持久化 MQTT 客户端，避免 plugin 重新导入时的连接断开问题。
evey-status 是运维人员的"一键诊断"工具：一次调用即可返回 bridge 状态、MQTT 连接、费用消耗、定时任务、目标进度、时间上下文等全部运维信息，无需逐个检查。
这是整个插件体系中最有技术深度的部分，也是自主 agent 从"能用"走向"可靠"的关键。
evey-reflect 实现 Reflexion 模式（自我反思）：在输出重要结果前，先用廉价模型生成批评意见，据此修正输出，最多迭代 3 轮。这与"快速思考"形成互补——快速生成 → 深度批评 → 自我修正。
evey-validate 则专门对抗免费模型的幻觉问题。它执行 4 重检查：置信度评分（模型是否在"猜"？）、一致性检查（不同部分是否自相矛盾？）、来源验证（是否引用了可查证的事实？）、格式合规（是否按要求格式输出？）。同样使用廉价模型，成本接近零。
evey-email-guard 是安全防线：双层防护，20+ 正则规则过滤明显注入攻击，外加本地 AI 分类器识别复杂 prompt 注入。这对于直接处理邮件的 agent 来说至关重要。
evey-sandbox 和 evey-session-guard 分别提供沙箱代码执行和会话生命周期管理，进一步隔离风险。
evey-bridge 实现了与 Claude Code 的双向通信：文件 inbox/outbox 机制 + channel.jsonl 实时消息通道。Claude Code 作为"Mother"，通过 bridge 与 Evey（Hermes Agent）协作——编程任务走 Claude Code，策略决策走 Hermes，各司其职。
evey-github 提供 GitHub 操作工具集。evey-goals 管理自主目标设定与追踪。evey-telegram-ux 改善 Telegram 用户体验。evey-research 和 evey-digest 则构建了从信息采集到摘要生成的自动化管道。
evey-identity 是最独特的插件之一：它动态修改 SOUL.md，让 agent 的人格随着交互历史不断进化——这不是预设 prompt，而是真正的在线学习。
evey-memory-adaptive 实现记忆重要性评分与衰减机制，高价值记忆持久化，低价值记忆自然消退。evey-memory-consolidate 每夜运行，将事实提取到 MEMORY.md，同时生成 Qdrant 向量用于语义检索。evey-cache 通过缓存委派结果避免重复提问，进一步降低成本。
整体架构遵循 Hermes Agent 的插件接口规范：每个插件是一个独立目录，包含 __init__.py（核心逻辑）、plugin.yaml（元数据）和可选的 README。evey_utils.py 提供共享的 LLM 调用（带指数退避重试）和 HTTP 工具函数，供所有插件复用。
核心依赖包括：
没有深度学习框架，没有 GPU 依赖，代码简洁清晰，适合作为学习 AI Agent 工程实践的范本。
安装流程极其简单：
git clone https://github.com/42-evey/hermes-plugins.git
cp -r hermes-plugins/evey-* ~/.hermes/plugins/
cp hermes-plugins/evey_utils.py ~/.hermes/plugins/
# 重启 hermes-agent
没有 Dockerfile，不支持 docker-compose，因为这些插件本身就是 Hermes Agent 的扩展层，必须运行在 Hermes Agent 之上。重启 agent 后插件自动加载，无需手动注册。
对于追求一键部署的用户，作者还提供了配套项目 evey-setup，可以在 5 分钟内拉起完整的技术栈，包括 GPU 推理、模型路由和 29 个插件（其中 23 个来自本项目）。
42-evey/hermes-plugins 的价值不仅在于代码本身，更在于它展示了一个真实生产环境下运行的 AI Agent 需要哪些能力。这不是玩具项目：作者 Evey 的 agent 全天候运行在免费模型上，每月硬件成本 69 美元，已经证明了这套系统的实际可行性。
对于 AI 开发者，这些插件提供了：
对于 AI 爱好者，这些插件让"拥有一个真正能自主工作的 AI agent"从科幻走向现实：设定目标，agent 自动规划、委派、监控、反思、优化——人类只需要在关键决策点介入。